Skip to main content
 首页 » 编程设计

python之如何计算 Python Pandas 中组的移位列

2024年12月31日7cyq1162

我有以下 Pandas 数据框:

    Circuit-ID  DATETIME    LATE?  
78899   07/06/2018 15:30    1 
78899   08/06/2018 17:30    0 
78899   09/06/2018 20:30    1 
23544   12/07/2017 23:30    1 
23544   13/07/2017 19:30    0 
23544   14/07/2017 20:30    1 

我需要计算 DATETIME 和 LATE 的偏移值?列以获得以下结果:

Circuit DATETIME          LATE?     DATETIME-1        LATE-1     
78899   07/06/2018 15:30    1   NA                    NA 
78899   08/06/2018 17:30    0   07/06/2018 15:30       1 
78899   09/06/2018 20:30    1   08/06/2018 17:30       0 
23544   12/07/2017 23:30    1   NA                    NA 
23544   13/07/2017 19:30    0   12/07/2017 23:30       1 
23544   14/07/2017 20:30    1   13/07/2017 19:30       0 

我尝试了以下代码:

df.groupby(['circuit ID, DATETILE', LATE? ]) \ 
            .apply(lambda x : x.sort_values(by=['circuit ID, 'DATETILE', 'LATE?'], ascending = [True, True, True]))['LATE?'] \ 
            .transform(lambda x:x.shift()) \ 
            .reset_index(name= 'LATE-1')  

但是在第一个移位值与 Nan 不同的某些行上,我不断得到错误的结果。 您能否指出一种更干净的方法来获得所需的结果?

请您参考如下方法:

使用groupby 和shift,然后将其加入:

df.join(df.groupby('Circuit-ID').shift().add_suffix('-1')) 
 
   Circuit-ID          DATETIME  LATE?        DATETIME-1  LATE?-1 
0       78899  07/06/2018 15:30      1               NaN      NaN 
1       78899  08/06/2018 17:30      0  07/06/2018 15:30      1.0 
2       78899  09/06/2018 20:30      1  08/06/2018 17:30      0.0 
3       23544  12/07/2017 23:30      1               NaN      NaN 
4       23544  13/07/2017 19:30      0  12/07/2017 23:30      1.0 
5       23544  14/07/2017 20:30      1  13/07/2017 19:30      0.0 

类似的解决方案使用 concat 进行连接:

pd.concat([df, df.groupby('Circuit-ID').shift().add_suffix('-1')], axis=1) 
 
   Circuit-ID          DATETIME  LATE?        DATETIME-1  LATE?-1 
0       78899  07/06/2018 15:30      1               NaN      NaN 
1       78899  08/06/2018 17:30      0  07/06/2018 15:30      1.0 
2       78899  09/06/2018 20:30      1  08/06/2018 17:30      0.0 
3       23544  12/07/2017 23:30      1               NaN      NaN 
4       23544  13/07/2017 19:30      0  12/07/2017 23:30      1.0 
5       23544  14/07/2017 20:30      1  13/07/2017 19:30      0.0